explorer Lidar et R pour les arbres
https://r-lidar.github.io/lidRbook/io.html
et surtout en très clair
https://orbi.uliege.be/bitstream/2268/307897/5/R_GIS_04_lidR.pdf
On cherche d’abord la localisation x y précise des arbres
library(sf)
library(lidR)
library(rgl)# pour visu 3d
library(mapsf)
library(leaflet)
library(mapview)
source : https://whitschroder.github.io/remote-sensing/lidr.html#cloth-simulation-function-csf
https://r-lidar.github.io/lidRbook/dtm.html
traduction rapide du manuel lidR
https://r-lidar.github.io/lidRbook/io.html
donnée position x y z intensité rang angle d’incidence
laz format compressé de las
l’objet est constitué de l’en tête et du nuage de point
Les fichiers de téléchargement sont lourds, on les met dans data/gros et on modifie le gitignore pour les exclure
Récupération des formes pour couper
lasf <- dir("data/gros", "*.laz")
for (f in lasf) {
las <- readLAS(paste0("data/gros/",f), select = "xyz")
sel <- clip_roi(las, zone)
writeLAS(sel, paste0( "data/",f,".las"))
}
concatener les fichiers
lasf <- dir("data/", "*.las")
sel <- readLAS(paste0("data/", lasf [1]))
sel1 <- readLAS(paste0("data/", lasf [2]))
tot <- rbind(sel, sel1)
writeLAS(tot, "data/gros/tot.las")
Tous les points sont à zéro
tot <- readLAS("data/gros/tot.las")
# tous les points
df <- payload(tot)
table(df$Classification)
Revoir la classification ?
library(ggplot2)
ggplot(payload(tot), aes(X,Z, color = Z)) +
geom_point(size = 0.5) +
coord_equal() +
theme_minimal() +
scale_color_gradientn(colours = height.colors(50))
tot <- readLAS("data/gros/tot.las")
plot(tot, bg="white")
rglwidget()